Foxy Contexts 是一个 Golang 库，专注于简化 MCP 服务器的构建。它采用声明式方法，开发者可以通过定义工具、资源和提示，并将其注册到 app.Builder 中，轻松构建上下文服务器。借助 Uber 的 fx App，Foxy Contexts 实现了依赖注入，方便开发者复用客户端和数据库连接等共享组件，显著提升开发效率。

该库支持 Stdio 和 SSE 等多种传输方式，并提供工具输入模式定义和验证功能。通过 Foxy Contexts，AI 模型可以安全地访问外部数据和服务，从而增强其功能。其核心价值在于将调用/读取/获取逻辑与工具/资源/提示的定义并置，使代码更易于维护和扩展。开发者可以使用 foxytest 包进行功能测试，确保 MCP 服务器的稳定性和可靠性。

声明式服务器构建

Foxy Contexts 允许开发者使用声明式的方式构建 MCP 服务器。开发者通过定义工具、资源和提示，并将它们注册到 app.Builder 中，app.Builder 使用 Uber FX 依赖注入框架，将这些组件注入到容器中。这种方式简化了服务器的配置和管理，开发者可以将调用/读取/获取逻辑以及工具/资源/提示的定义并置，提高代码的可读性和可维护性。依赖注入允许开发者重用共享部分，例如客户端和数据库连接，减少代码冗余。

例如，开发者可以使用 Foxy Contexts 声明一个工具，该工具可以从数据库中检索用户信息，并将其提供给 AI 模型。通过声明式配置，开发者可以轻松地定义工具的输入参数、输出格式以及与数据库的连接方式，而无需编写大量的样板代码。

多种传输方式支持

Foxy Contexts 支持多种传输方式，包括标准输入/输出 (stdio)、服务器发送事件 (SSE) 和可流式 HTTP 传输 (beta)。这种灵活性使得 Foxy Contexts 可以适应不同的应用场景和网络环境。标准输入/输出适用于本地开发和调试，SSE 适用于实时数据推送，而 HTTP 传输则适用于需要高并发和可扩展性的场景。可流式 HTTP 传输允许服务器以流的方式发送数据，减少延迟并提高响应速度。

例如，开发者可以使用 SSE 传输方式，将 AI 模型的推理结果实时推送给客户端，从而实现实时对话和交互。或者，开发者可以使用 HTTP 传输方式，构建一个高并发的 MCP 服务器，为大量的 AI 模型提供上下文信息。

内置工具输入验证

Foxy Contexts 包含 toolinput 包，该包提供了一系列工具，用于定义工具输入模式并验证到达的输入。这有助于确保 AI 模型接收到的输入数据符合预期格式和类型，从而提高模型的稳定性和可靠性。通过定义输入模式，开发者可以防止恶意输入和数据错误，保障系统的安全性。

例如，开发者可以定义一个工具，该工具接收用户输入的文本作为参数。通过使用 toolinput 包，开发者可以定义输入模式，限制文本的长度和格式，防止用户输入过长的文本或包含非法字符的文本，从而避免潜在的安全风险。

使用 foxytest 进行功能测试

Foxy Contexts 提供 foxytest 包，方便开发者进行功能测试。该包简化了 MCP 服务器的构建过程，并支持依赖注入，使得开发者可以轻松地编写和运行测试用例。通过功能测试，开发者可以验证 MCP 服务器的各个组件是否正常工作，确保服务器的稳定性和可靠性。

例如，开发者可以使用 foxytest 包编写一个测试用例，验证某个工具是否能够正确地处理输入参数并返回预期的结果。通过运行该测试用例，开发者可以快速发现和修复代码中的错误，提高开发效率。

集成优势

Foxy Contexts 基于 Golang 和 Uber FX 构建，具有高性能和可扩展性。Golang 是一种高效的编程语言，适用于构建高性能的服务器端应用。Uber FX 是一个强大的依赖注入框架，可以简化应用程序的配置和管理。通过结合 Golang 和 Uber FX，Foxy Contexts 可以构建出稳定、可靠且易于维护的 MCP 服务器。此外，Foxy Contexts 提供了丰富的文档和示例代码，方便开发者快速上手和使用。